A vasúti közlekedésben is egyre több területen merül fel a vasúti rendszerek működésének folyamatos állapotfelügyelete, a káros műszaki folyamatok időben történő felismerése, a várható meghibásodások előrejelzése. Az állapotfelügyelet (Condition Monitoring) hatékony megvalósításához nagymértékben hozzájárulnak a mai szenzortechnológiák, a modern számítási felhő platformok (Cloud Computing) és gépi tanuláson (Machine Learning) alapuló eljárások.

Célkitűzés: az evopro vasúti diagnosztikai rendszerei által gyűjtött rezgésdiagnosztikai mérések elemzése, klaszterezése, és klasszifikációja

Feladatok:

• Rezgés- és gyorsulásmérés adatok általános elemzési módszereinek megismerése,
• Rezgési adatok vizsgálata, elemzés és csoportok (klaszterek) keresése,
• Gépi tanulási eljárások alkalmazása rezgés diagnosztikai feladatokban,
• Eredmények diszkussziója, vizualizációja, riport készítés.

Technológiák: Python, sckit-learn, TensorFlow, Keras, MS Azure, Databricks